生物医学流体 / 降阶建模
用神经网络从血管几何预测 0D 降阶模型的阻力与电感参数,保留 0D 模型的低成本与可解释性。在主动脉、主股动脉与肺动脉三类患者特异性解剖上,平均压力误差至少降低一半,肺动脉队列从 30.4% 降至 7.9%。
新 arXiv 预印本(CC BY 4.0),版权归作者 血流动力学降阶建模数字孪生 通用科学ML
面向受迫非线性动力系统,利用潜在坐标与能量神经网络实现无需常微分方程求解器的降阶建模。
见LICENSE文件 非线性动力系统降阶建模物理信息机器学习 通用科学ML/ScientificML
面向稳定性增强辨识的Petrov-Galerkin算子推断,可从高维时域数据直接构建高效降阶模型。
见LICENSE文件 Petrov-Galerkin方法算子推断降阶建模 通用科学ML
面向通用科学建模的多输入二次双线性描述符系统,以无矩阵算法完成矩匹配降阶,避免组装完整系统矩阵与张量。
见LICENSE文件 降阶建模矩匹配描述符系统 流体/CFD
面向液滴界面形态的可逆降阶建模,以低维潜空间表示并恢复实验采样间的流体形态。
见LICENSE文件 液滴形态流体界面降阶建模 结构/Structural
针对机械超材料屈曲与图案相变,建立考虑局部、非局部效应及模式涨落场的降阶均匀化模型。
见LICENSE文件 机械超材料降阶建模计算均匀化 通用科学ML
面向参数化偏微分方程形状优化,利用主动子空间与 Sinkhorn 自编码器实现自由形状变形降阶建模。
见LICENSE文件 参数化偏微分方程形状优化自由形状变形 流体/CFD
对比自编码器与基于经典数值分析的简洁扩散映射(PDM)方法在Navier-Stokes湍流降阶建模中的性能,为数据驱动流场重建提供方法论参考。
见LICENSE文件 Navier-Stokes降阶建模自编码器 流体/CFD
针对输运主导系统,提出结构感知数据驱动降阶模型(ROM),利用 kinetic defect 公式分离特征输运与激波流形上的熵缺陷,提升低维线性子空间对移动前缘和激波的表征能力。
见LICENSE文件 降阶建模双曲守恒律激波捕捉